基于多特征異構超圖的圖像推薦算法研究.pdf

1、在過去的數十年中，由于智能移動設備和先進移動多媒體服務的廣泛應用，用戶可以通過社交網絡隨時隨地的上傳圖像。最近，更多的社交網絡不僅收集圖像，還收集一些和圖像相關的用戶產生的元數據，如照片拍攝地點、拍攝時間等。圖像等多媒體資源信息量快速的增長，在學術研究領域以及應用領域對圖像等多媒體內容信息查找的需求也更加強烈，在大量的圖像中找到用戶感興趣的圖像成為一個非?；钴S的研究方向，其中一個方向就是結合包括圖像文本信息，圖像底層視覺特征，圖像地理位

2、置等信息來進行圖像推薦。簡而言之，如何利用多特征進行圖像推薦從而達到比單特征推薦更好的效果是本文的研究重點。
　　本文首先分析了當前多特征圖像推薦的研究現狀以及存在的問題，提出了一種基于異構超圖的結合多種圖像特征信息的圖像推薦算法框架，將機器學習中梯度下降的分類方法應用到超圖中圖片的排序分數計算當中，并進行了相關的實驗對圖像推薦算法中的搜索性能和滿意度進行了研究分析。本文的主要工作如下:
　　一、圖像特征的獲取并構造多種圖像

3、特征信息的異構超圖
　　本文針對單一圖像特征并不能達到很好的推薦滿意度這一缺點，采用多種圖像特征信息，分別在圖像文本、圖像底層特征兩個特征維度上提取特征并建立異構超圖，其中包括對圖像標簽的預處理環(huán)節(jié)，本文提出了一種基于圖像顯著特征的軟近鄰投票方法來對圖像的標簽進行重新排序和篩選。最終給不同特征的異構超圖賦予不同權重，形成一個統(tǒng)一的多特征異構超圖，作為之后機器學習權重和排序分數學習的輸入。
　　二、基于多特征異構超圖中圖片頂點

4、的排序分數的計算
　　在特征提取后并構造出來的統(tǒng)一的多特征的異構超圖的基礎上，運用機器學習中梯度下降的分類方法來對異構超圖中的不同圖片的排序的分數來進行學習。當用戶輸入一張圖片時，根據構建出來的多特征異構超圖來對圖片庫中的圖片進行排序分數的迭代計算，再將與輸入圖片最相似的k張圖片返回給用戶。
　　三、推薦算法框架實驗結果和分析
　　本文將提出的圖像推薦算法框架進行了實現，分析了算法的時間空間復雜度，并和當前主流的的單特